KR20240011320A

KR20240011320A - 코딩없이 머신러닝 교육이 가능한 블록형 모듈화 소프트웨어 프레임워크

Info

Publication number: KR20240011320A
Application number: KR1020220088619A
Authority: KR
Inventors: 오유수
Original assignee: 대구대학교 산학협력단; 주식회사 엔더블유아이
Priority date: 2022-07-19
Filing date: 2022-07-19
Publication date: 2024-01-26

Abstract

코딩없이 머신러닝 교육이 가능한 블록형 모듈화 소프트웨어 프레임워크를 구동하는 장치를 포함하는 블록형 머신러닝 교육 시스템에서 소프트웨어 프레임워크를 구동하는 장치는, 화면상에 표시되어 순차적으로 선택된 입력데이터 블록, 전처리 블록, 머신러닝 알고리즘 블록, 결과출력 블록 및 그래프출력 블록의 연결에 따른 머신러닝 결과를 산출하는 것을 특징으로 한다.

Description

코딩없이 머신러닝 교육이 가능한 블록형 모듈화 소프트웨어 프레임워크{A block-type modular software framework capable of machine learning training without coding}

본 발명은 머신러닝 교육장치에 관한 것으로서, 더 상세하게는 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템에 관한 것이다.

초보자들이 쉽게 코딩을 접할 수 있는 도구로 MIT 대학에서 개발한 스크래치, NHN에서 운영하고 있는 엔트리 등이 있으나, 인공지능과 빅데이터, 머신러닝을 학습할 수 있는 교육용 소프트웨어는 아직 초기 개발단계에 있다.

이에 따라 인공지능과 빅데이터, 머신러닝에 대한 지식을 누구나 쉽게 구현하고, 개념을 익할 수 있는 학습 시스템이 요구되고 있는 실정이다.

하지만 현재의 머신러닝 교육장치 및 소프트웨어는 저수준의 MCU와 블록코딩이 결합한 단순입출력제어만 실습할 수 있고, 최신 알고리즘 학습을 지원하지 않는다. 즉, 제조사에서 제공하는 인공지능(AI) 기능만 단순히 실행해 보는 방식에 머무르고 있다.

KR

10-2021-0068178

A

본 발명은 상기와 같은 기술적 과제를 해결하기 위해 제안된 것으로, 비전공자들이 코딩 없이 블록을 연결하는 것만으로도 다양한 알고리즘의 작동이 가능하도록 구성되는 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템을 제공한다.

상기 문제점을 해결하기 위한 본 발명의 일 실시예에 따르면, 코딩없이 머신러닝 교육이 가능한 블록형 모듈화 소프트웨어 프레임워크를 구동하는 장치를 포함하는 블록형 머신러닝 교육 시스템에 있어서, 소프트웨어 프레임워크를 구동하는 장치는, 화면상에 표시되어 순차적으로 선택된 입력데이터 블록, 전처리 블록, 머신러닝 알고리즘 블록, 결과출력 블록 및 그래프출력 블록의 연결에 따른 머신러닝 결과를 산출하는 것을 특징으로 하는 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템이 제공된다.

또한, 본 발명에 포함되는 소프트웨어 프레임워크를 구동하는 장치는, 선택된 입력 데이터 및 선택된 알고리즘에 최적화된 하이퍼파라미터 값을 추천하는 것을 특징으로 한다.

또한, 본 발명에 포함되는 소프트웨어 프레임워크를 구동하는 장치는, 휴대폰, 스마트폰, 스마트 패드 및 업무용 컴퓨터 중 어느 하나를 포함하는 것을 특징으로 한다.

또한, 본 발명에 포함되는 입력데이터 블록은 입력 데이터의 종류를 선택하는 메뉴를 표시하는 것을 특징으로 한다.

또한, 본 발명에 포함되는 전처리 블록은 입력 데이터를 정규화하기 위한 전처리 방법을 선택하는 메뉴를 표시하는 것을 특징으로 한다.

또한, 본 발명에 포함되는 머신러닝 알고리즘 블록은 머신러닝 알고리즘을 선택하는 메뉴를 표시하는 것을 특징으로 한다.

또한, 본 발명에 포함되는 결과출력 블록은 학습 정확도, 예측확률 및 최적의 하이퍼파라미터 값의 출력을 선택하는 메뉴를 표시하는 것을 특징으로 한다.

또한, 본 발명에 포함되는 그래프출력 블록은 예측 및 추론을 진행하기 위한 학습결과를 시각화하기 위한 메뉴를 표시하는 것을 특징으로 한다.

본 발명의 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템은 비전공자들이 코딩 없이 블록을 연결하는 것만으로도 다양한 알고리즘의 작동이 가능하도록 구성된다. 즉, AI 코딩 블록을 입력 데이터 - 전처리 - 알고리즘 - 결과 - 그래프 블록 순으로 연결하여 알고리즘 실행 후 결과를 눈으로 확인할 수 있다. 또한, 자동으로 입력 데이터 및 알고리즘에 최적한 하이퍼파라미터 값에 따른 정확도 및 데이터에 적합한 알고리즘을 추천함으로써 사용자에게 보다 나은 코딩 교육환경을 제공한다.

도 1은 본 발명에 따른 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템의 진행절차를 나타낸 도면
도 2는 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템의 진행화면의 제1 예시도
도 3은 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템의 진행화면의 제2 예시도
도 4는 하이퍼파라미터를 입력하는 예시도
도 5는 하이퍼파라미터를 설정하고 학습을 진행한 결과의 제1 예시도
도 6은 하이퍼파라미터를 설정하고 학습을 진행한 결과의 제2 예시도

이하, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여, 본 발명의 실시예를 첨부한 도면을 참조하여 설명하기로 한다.

도 1은 본 발명에 따른 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템의 진행절차를 나타낸 도면이고, 도 2는 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템의 진행화면의 제1 예시도이고, 도 3은 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템의 진행화면의 제2 예시도이다.

도 1 내지 도 3을 참조하면, 본 발명의 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템에서, 소프트웨어 프레임워크를 구동하는 장치는, 휴대폰, 스마트폰, 스마트 패드 및 업무용 컴퓨터 중 어느 하나로 구성될 수 있다.

즉, 디스플레이를 통해서 머신러닝 교육이 가능한 블록형 모듈화 소프트웨어 프레임워크를 표시하고 구동할 수 있는 디지털 장치를 통해서 머신러닝 교육이 가능하다.

소프트웨어 프레임워크를 구동하는 장치의 화면의 좌측에는 입력데이터 블록, 전처리 블록, 머신러닝 알고리즘 블록, 결과출력 블록 및 그래프출력 블록이 각각 표시되고, 하단에는 학습 실행버튼, 학습 중단버튼, 학습 평가결과버튼, 하이퍼파라미터 버튼이 배치된다. 또한 화면의 중앙에는 각각의 AI블록(입력데이터 블록, 전처리 블록, 머신러닝 알고리즘 블록, 결과출력 블록 및 그래프출력 블록)을 배열할 수 있는 메인 공간이 위치하며, 메인 공간의 우측에 학습된 결과 그래프를 출력하는 공간이 배치된다.

여기에서 입력데이터 블록은 입력 데이터의 종류를 선택하는 메뉴를 표시하고, 전처리 블록은 입력 데이터를 정규화하기 위한 전처리 방법을 선택하는 메뉴를 표시하고, 머신러닝 알고리즘 블록은 머신러닝 알고리즘을 선택하는 메뉴를 표시하고, 결과출력 블록은 학습 정확도, 예측확률 및 최적의 하이퍼파라미터 값의 출력을 선택하는 메뉴를 표시하고, 그래프출력 블록은 예측 및 추론을 진행하기 위한 학습결과를 시각화하기 위한 메뉴를 표시한다.

소프트웨어 프레임워크를 구동하는 장치는, 화면상에 표시되어 순차적으로 선택된 입력데이터 블록(Input data block), 전처리 블록(Preprocessing block), 머신러닝 알고리즘 블록(Algorithm block), 결과출력 블록(Result block) 및 그래프출력(Graph block) 블록의 연결에 따른 머신러닝 결과를 산출하여 표시할 수 있다.

이와 같이, 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템은 사용자가 데이터 종류, 전처리 방법, 알고리즘 방법을 직접 선택할 수 있는 유연한 설계와 비전공자들을 위한 데이터 종류, 전처리 방법, 알고리즘 방법의 자동 추천 알고리즘 설계 및 구현이 가능하다.

여기에서 입력데이터 블록은 자체 데이터베이스와 사용자 지정 데이터 파일 업로드 기능을 포함하고 입력 데이터로 사용자가 사용하고자 하는 데이터를 직접 사용할 수도 있고 제안된 프레임워크에서 기본적으로 제공하는 데이터 사용도 가능하도록 구성된다.

또한, 전처리 블록은 Standard Scaler, MinMax Scaler, PCA 등으로 구성되는데, 전처리 블록은 프레임워크 내에서 추천하는 전처리 방법 적용도 가능하고 사용자가 직접 선택하여 적용하는 것도 가능하게 구성된다.

또한, 알고리즘 블록은 Decision Tree, Gaussian, Logistic, Linear, SVM, KNN, NN(neural net), k-means, CNN 등 머신러닝 및 딥러닝 알고리즘을 선택하여 적용하도록 구성되고, 알고리즘 블록 또한 프레임워크 내에서 추천하는 알고리즘 적용도 가능하고 사용자가 직접 선택하여 적용하는 것도 가능하게 구성된다.

또한, 결과 출력 블록은 학습 정확도, 예측 확률과 최적의 하이퍼 파라미터 및 모델 평가 지수 출력 시 사용되도록 구성된다.

또한, 그래프 출력 블록은 학습 결과를 사용자에게 쉽게 보여주기 위해 인포그래픽 시각화로 설계된다.

도 4는 하이퍼파라미터를 입력하는 예시도이고, 도 5는 하이퍼파라미터를 설정하고 학습을 진행한 결과의 제1 예시도이고, 도 6은 하이퍼파라미터를 설정하고 학습을 진행한 결과의 제2 예시도이다.

소프트웨어 프레임워크를 구동하는 장치는 화면 상에서 입력데이터 블록 - 전처리 블록 - 알고리즘 블록 - 결과 출력 블록 - 그래프 출력 블록이 순서대로 서로 연결될 경우, 입력 데이터에 대한 학습 진행 후 학습 정확도, 예측 확률, 최적의 하이퍼 파라미터 및 모델 평가 지수를 출력한다.

도 4에 도시된 바와 같이, 하이퍼 파라미터 버튼이 선택되면 사용자가 직접 하이퍼파라미터를 입력할 수 있는 윈도우가 팝업으로 표시되며, 만약 사용자가 하이퍼파라미터를 입력하지 않는다면 프로그램에서 설정한 각 알고리즘의 하이퍼파라미터 디폴트(default) 값으로 자동 입력되도록 동작한다. 이때, 선택된 입력 데이터 및 선택된 알고리즘에 최적화된 하이퍼파라미터 값이 추천될 수 있다.

도 5에 도시된 바와 같이, 머신러닝 알고리즘 중 “DecisionTree” 알고리즘에서 하이퍼파라미터인 “max_depth”를 2로 사용자가 직접 지정하여 학습을 진행할 수 있으며, 그 결과 학습의 정확도는 95%이다.

또한, 도 6에 도시된 바와 같이, “DecisionTree” 알고리즘의 하이퍼파라미터인 “max_depth”를 3으로 설정하여 학습을 진행할 수 있으며, 그 결과 학습의 정확도는 97.5%이다.

이와 같이, 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims

코딩없이 머신러닝 교육이 가능한 블록형 모듈화 소프트웨어 프레임워크를 구동하는 장치를 포함하는 블록형 머신러닝 교육 시스템에 있어서,
상기 소프트웨어 프레임워크를 구동하는 장치는,
화면상에 표시되어 순차적으로 선택된 입력데이터 블록, 전처리 블록, 머신러닝 알고리즘 블록, 결과출력 블록 및 그래프출력 블록의 연결에 따른 머신러닝 결과를 산출하는 것을 특징으로 하는 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템.
제1항에 있어서,
상기 소프트웨어 프레임워크를 구동하는 장치는,
선택된 입력 데이터 및 선택된 알고리즘에 최적화된 하이퍼파라미터 값을 추천하는 것을 특징으로 하는 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템.
제1항에 있어서,
상기 소프트웨어 프레임워크를 구동하는 장치는,
휴대폰, 스마트폰, 스마트 패드 및 업무용 컴퓨터 중 어느 하나를 포함하는 것을 특징으로 하는 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템.
제1항에 있어서,
상기 입력데이터 블록은 입력 데이터의 종류를 선택하는 메뉴를 표시하는 것을 특징으로 하는 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템.
제1항에 있어서,
상기 전처리 블록은 상기 입력 데이터를 정규화하기 위한 전처리 방법을 선택하는 메뉴를 표시하는 것을 특징으로 하는 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템.
제1항에 있어서,
상기 머신러닝 알고리즘 블록은 머신러닝 알고리즘을 선택하는 메뉴를 표시하는 것을 특징으로 하는 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템.
제1항에 있어서,
상기 결과출력 블록은 학습 정확도, 예측확률 및 최적의 하이퍼파라미터 값의 출력을 선택하는 메뉴를 표시하는 것을 특징으로 하는 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템.
제1항에 있어서,
상기 그래프출력 블록은 예측 및 추론을 진행하기 위한 학습결과를 시각화하기 위한 메뉴를 표시하는 것을 특징으로 하는 코딩없이 머신러닝 교육이 가능한 블록형 머신러닝 교육 시스템.